基于单张源域样本的新场景人脸识别模型构建方法、系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112329617A(43)申请公布日2021.02.05(21)申请号202011216042.0(22)申请日2020.11.04(71)申请人中国科学院自动化研究所地址100190北京市海淀区中关村东路95号(72)发明人雷震朱翔昱刘浩(74)专利代理机构北京市恒有知识产权代理事务所(普通合伙)11576代理人郭文浩尹文会(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书7页附图3页(54)发明名称基于单张源域样本的新场景人脸识别模型构建方法、系统(57)摘要本发明提供了一种基于单张源域样本的新场景人脸识别模型构建方法、系统。本发明方法包括：基于源域图像样本构成的第一样本集训练人脸识别模型得到第一模型；基于第一模型对第一样本集进行样本特征提取，对各类样本分别基于距离其类别中心的预设距离选取一个源域图像样本作为保留样本加入目标域样本集，得到第二样本集；基于第一模型对第二样本集中各样本进行特征提取，分别计算第二样本集中各类样本的类别特征模板，并扩展到第一模型的分类层中，得到第二模型；基于第二样本集，通过硬标签和软标签的共同约束训练第二模型，得到新场景人脸识别模型。本发明解决了人脸识别方法在应对新场景数据时存在的灾难性遗忘性问题，并减少了训练时间。CN112329617ACN112329617A权利要求书1/2页1.一种基于单张源域样本的新场景人脸识别模型构建方法，其特征在于，包括以下步骤：步骤S100，基于第一样本集进行人脸识别模型的训练，得到第一模型；所述第一样本集为源域图像样本集；所述人脸识别模型基于神经网络构建；步骤S200，基于所述第一模型，对所述第一样本集中各样本进行特征提取，基于所提取的特征，对所述第一样本集中各类样本，分别基于距离其类别中心的预设距离选取一个源域图像样本作为保留样本，加入目标域样本集，得到第二样本集；步骤S300，基于所述第一模型，对所述第二样本集中各样本进行特征提取，分别计算所述第二样本集中各类样本的类别特征模板，并扩展到所述第一模型的分类层中，得到第二模型；步骤S400，基于所述第二样本集，通过硬标签和软标签的共同约束进行第二模型的训练，得到新场景人脸识别模型。2.根据权利要求1所述的基于单张源域样本的新场景人脸识别模型构建方法，其特征在于，步骤S100的源域图像样本集在用于人脸识别模型的训练前需要进行预处理，对源域图像样本集中任一源域图像样本预处理方法为：通过人脸检测和人脸关键点检测得到二十五个人脸关键点；基于所述人脸关键点的位置对齐人脸，并按照预设尺寸进行裁剪。3.根据权利要求1所述的基于单张源域样本的新场景人脸识别模型构建方法，其特征在于，步骤S100中对人脸识别模型训练所采用的损失函数为分类损失函数。4.根据权利要求1所述的基于单张源域样本的新场景人脸识别模型构建方法，其特征在于，步骤S200中所述类别中心，其获取方法为：对一类样本中各样本的特征求平均，将其平均值作为该类样本的类别中心。5.根据权利要求1所述的基于单张源域样本的新场景人脸识别模型构建方法，其特征在于，步骤S200中，所述第一样本集中每类样本中的保留样本，其选择方法为：距离类别中心的预设距离为单值，将每类样本中与其类别中心距离最接近所述预设距离的样本作为保留样本；或者，距离类别中心的预设距离为区间，从每类样本中与其类别中心距离落入该预设距离范围样本中选取一个样本作为保留样本。6.根据权利要求1所述的基于单张源域样本的新场景人脸识别模型构建方法，其特征在于，步骤S300中每类样本的类别特征模板，其获取方法为：基于样本所提取的特征，计算每个样本的特征的模表征样本的质量因子；将对应类样本中每个样本的质量因子进行加权平均，作为对应类样本的类别特征模板。7.根据权利要求1所述的基于单张源域样本的新场景人脸识别模型构建方法，其特征在于，步骤S400中“通过硬标签和软标签的共同约束进行第二模型的训练”，其方法为：依据所述第二样本集构成的训练样本，通过预构建的包含硬标签知识蒸馏和软标签知识蒸馏的损失函数，对所述第二模型的训练。8.一种基于单张源域样本的新场景人脸识别模型构建系统，其特征在于，包括预训练2CN112329617A权利要求书2/2页单元、样例选择单元、分类层扩展单元、知识蒸馏单元；所述预训练单元，配置为基于第一样本集进行人脸识别模型的训练，得到第一模型；所述第一样本集为源域图像样本集；所述人脸识别模型基于神经网络构建；所述样例选择单元，配置为基于所述第一模型，对所述第一样本集中各样本进行特征提取，基于所提取的特征，对所述